Ты пишешь пост о запуске, публикуешь его, и в ответ тишина. Три лайка, один из них от мамы. Хуже всего, что причина непонятна: слабый заголовок, не та аудитория или идея никому не нужна. Проверка поста на симулированной аудитории отвечает на этот вопрос до публикации, пока ошибка ещё ничего не стоит.
Тишина после публикации ничего не объясняет
Живая аудитория даёт очень скупой сигнал. Охват упал, но почему? Не сработал крючок, алгоритм не показал пост или просто неудачный день. Комментариев нет, и непонятно, людям нечего сказать или им лень писать.
Раньше узнать реакцию заранее можно было двумя способами. Фокус-группа стоит дорого. Десять знакомых из вежливости скажут «норм», и толку от этого ноль.
Теперь есть третий путь. Недавно разошёлся пост про открытый проект, который прогоняет запуск через несколько тысяч симулированных людей. У каждого своя биография, своё настроение и своя причина обратить внимание. Они реагируют на пост, потом друг на друга, раунд за раундом, пока мнения не начинают сдвигаться. На выходе получаешь отчёт, а любого персонажа можно спросить, почему ему не понравилось. Собрал это двадцатилетний студент примерно за десять дней.
Толпа из ИИ полезна не оценкой, а спором
Дело не в количестве персонажей. Спросить одну нейросеть «как тебе пост» можно было и раньше, и ответ всегда выходил вежливым и средним. Ценность метода в другом:
- Разные люди. Скептик, уставший бухгалтер и студент без денег читают один и тот же текст по-разному. Один «средний читатель» в лице модели таких расхождений не покажет.
- Взаимное влияние. В ленте человек читает не только пост, но и комментарии под ним. Один едкий отзыв наверху способен развернуть всю ветку, и симуляция с раундами это ловит.
- Возможность допросить. Вместо «оценка 6 из 10» конкретный персонаж объясняет, на какой фразе он закатил глаза.
Рынок симуляция не заменяет. Это модель, и ошибается она так же, как любая модель. Её задача в том, чтобы отсеять очевидные провалы и показать слабое место. Продажи она не предскажет.
Приём на сегодня: мини-толпа в Claude Code за полчаса
Чтобы почувствовать метод, тысячи персонажей не нужны. Хватит 12-15, а собрать их в Claude Code можно парой файлов и несколькими промптами.
Шаг 1. Попроси Claude Code создать в папке проекта файл personas.md: «Опиши 12 людей из моей аудитории. Для каждого укажи возраст, работу, чем занят вечером, что раздражает его в рекламе, сколько он готов потратить на обучение и в каком настроении листает ленту». Потом пройдись по списку сам и поправь тех, кто не похож на твоих настоящих подписчиков.
Шаг 2. Положи рядом файл post.md с текстом, который собираешься публиковать.
Шаг 3. Первый раунд. «Прочитай post.md от лица каждого персонажа из personas.md. Каждый пишет, что сделал бы: пролистал, дочитал, лайкнул или прокомментировал. Если комментирует, приведи комментарий дословно, в манере этого человека».
Шаг 4. Второй раунд. «Теперь каждый персонаж видит все комментарии первого раунда. Кто-то меняет мнение? Кто-то отвечает другому? Запиши, у кого отношение сдвинулось и из-за чьей реплики».
Шаг 5. Сводка и допрос. «Собери отчёт: сколько человек пролистали, на какой фразе терялся интерес, какие возражения повторялись. Потом дай слово самому недовольному: пусть объяснит, что его оттолкнуло и что заставило бы дочитать».
Пример. Допустим, пост начинается фразой «Я сделал бота, который экономит 5 часов в неделю». В первом раунде уставший предприниматель пишет: «Очередной бот, у меня их три, и ни один не работает». Во втором раунде с ним соглашаются ещё двое, а тот, кто сначала поставил лайк, начинает сомневаться. Вывод понятен без всякой аналитики: крючок вызывает недоверие. В первой строке нужен не обещанный результат, а готовый, например скриншот.
Claude Code для 1С, маркетплейсов и других узких ниш
Лучше всего метод работает там, где до живой аудитории не дотянуться. Допустим, ты хочешь сделать гайд «Claude Code для 1С». Среди твоих подписчиков бухгалтеров и программистов 1С может не оказаться вовсе, а промахнуться с языком легко: программист 1С и главбух ждут от одного продукта совсем разного.
Попроси собрать толпу из этой ниши: сотрудник франчайзи, программист на поддержке в компании, главбух, который боится каждого обновления. Прогони через них анонс. Скорее всего, всплывёт то, до чего сам бы не додумался. Например, половину персонажей волнует, куда уходят данные из базы, а сэкономленное время их почти не трогает. Одна добавленная строчка об этом меняет реакцию на весь текст.
Здесь же главный риск. Модель знает нишу по текстам из интернета, а не по опыту. Если персонажи говорят подозрительно гладко, ты тестируешь стереотип. Лечится это просто: вставь в описания персонажей настоящие фразы из комментариев, отзывов и профильных чатов.
Симуляция полезна, пока ты сверяешь её с реальностью
Несколько правил, чтобы результаты не водили тебя за нос:
- Не подгоняй пост под толпу бесконечно. После двух-трёх раундов правок ты уже подстраиваешься под модель, а не под людей.
- Записывай прогноз и сравнивай с реальностью. Симуляция ждала одного, пост собрал другое. Через пять-шесть публикаций станет видно, насколько ей можно доверять.
- Меняй состав толпы. Одни и те же 12 персонажей быстро превращаются в эхо-камеру.
- Хорошей оценке верь меньше, чем плохой. Модели склонны хвалить, поэтому один внятный разгромный отзыв важнее десятка «интересно».
Используй симуляцию как черновой фильтр. Она не скажет, станет ли пост вирусным, но покажет, где читатель спотыкается, пока исправление стоит пять минут, а не упавший охват.
Если не хочешь собирать промпты с нуля, в наших AI-скиллах для Claude Code крючки, сценарии и разбор виральных механик уже упакованы в команды, и толпу можно сразу напустить на готовый текст.